Computer Vision Based Machine Learning (CVML) in der Stahlschmelze | Auf Computer Vision basierendes maschinelles Lernen (CVML) zur Verbesserung der Produktion in einer Stahlschmelze

Gedela Praveen (u. a.)

ISBN 10: 6204800779 / ISBN 13: 9786204800776

Published by Verlag Unser Wissen, 2022

About this Item

Computer Vision Based Machine Learning (CVML) in der Stahlschmelze | Auf Computer Vision basierendes maschinelles Lernen (CVML) zur Verbesserung der Produktion in einer Stahlschmelze | Gedela Praveen (u. a.) | Taschenbuch | Paperback | 72 S. | Deutsch | 2022 | Verlag Unser Wissen | EAN 9786204800776 | Verantwortliche Person für die EU: Verlag Unser Wissen, Brivibas Gatve 197, 1039 RIGA, LITAUEN, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Seller Inventory # 121951016

Bibliographic Details

• Title: Computer Vision Based Machine Learning (CVML) in der Stahlschmelze | Auf Computer Vision basierendes maschinelles Lernen (CVML) zur Verbesserung der Produktion in einer Stahlschmelze
• Publisher: Verlag Unser Wissen
• Publication Date: 2022
• Language: German
• ISBN 10: 6204800779
• ISBN 13: 9786204800776
• Binding: Taschenbuch
• Condition: Neu

About this title

Synopsis

JSW Steel Ltd, Dolvi Works ist das erste Werk in Indien, das eine Kombination aus Conarc-Technologie für die primäre Stahlerzeugung einsetzt, um die Produktion von warmgewalzten Coils zu unterstützen. In der aktuellen Ära der Digitalisierung rund um den Globus sind CVML-basierte Projekte im Bereich der Hardcore-Fertigung weniger zahlreich.Bei JSW Steel Ltd, Dolvi Works, haben wir damit begonnen, CV/ML-basierte Verfahren in der Stahlschmelze 1 einzusetzen. Um die steigende Nachfrage nach Flüssigstahl durch Verkürzung der Durchlaufzeit zu befriedigen, haben wir relevante quantitative Daten gesammelt und die wichtigsten Engpässe, wie z. B. Mikroaktivitäten in der Rüstzeit der primären Stahlherstellung im Stahlschmelzwerk, identifiziert. Eine Reduzierung der Schwankungen bei der Rüstzeit ist für die Erhöhung des Durchsatzes unerlässlich.Dieses Projekt zielt darauf ab, die Mikroaktivitäten der Rüstzeit zu überwachen, indem fortschrittliche automatisierte Kameravision mit maschineller Lerntechnologie eingesetzt wird. Darüber hinaus bietet es eine visuelle Echtzeitdarstellung der aktuellen Schmelze und eine vergleichende Studie der historischen Schmelzen. Das computergestützte ML kann ohne manuelle Eingriffe verwendet werden, um versteckte Verzögerungen zu erkennen und dann Korrekturmaßnahmen zu ergreifen, um die Verzögerungen und ungeplanten Aktivitäten zu beseitigen und die Produktion zu steigern.